本文为您介绍如何将 云消息队列 RocketMQ 版 可观测性功能应用于 云消息队列 RocketMQ 版 的故障管理场景中，为您的日常运维和故障处理提供实践方案。设计思路 核心问题 运维场景下，故障处理的核心问题如下：服务出现异常如何预警并上报 ...
故障过程 故障过程用于记录管理故障处理的全过程。当故障处于处理中/已恢复状态时，故障详情默认进入故障过程tab页；可以对故障的最新进展、故障影响面（影响服务）、舆情反馈、Timeline时间线进行在线化管理、编辑，并同步更新通告及故障...
同时，告警机制能让您在故障发生后第一时间发现问题，缩短故障处理时间，以便尽快恢复业务。前提条件 在开始设置云监控前，您需要完成以下操作：检查ECS监控插件运行情况，确保监控信息能够正常采集。如果安装失败则需要手动安装插件，具体...
查看站点监控任务 您可以查看其任务详情、监控分析和报警规则，便于您及时查看站点的异常数据，并处理故障。登录 云监控控制台。在左侧导航栏，选择 网络分析与监控>站点监控。在 站点监控 页面，您可以查看站点监控列表中的所有报警任务数...
故障应急过程中的重点角色和职责有：故障处理人（技术支持、监控值班）：负责故障应急启动、确保应急有序、协调各方资源确保故障快速恢复；同时，在应急过程中，及时更新故障直播间内容，确保各方能够及时获取故障相关信息；同时视情况做好...
您对重要监控项设置报警规则后，可在第一时间得知该监控项异常，迅速处理故障。资源消耗 为您提供查看资源消耗详情的功能，您也可以购买短信资源包或电话报警资源包。容器监控 为您提供跨地域、集中化和全局化监控容器服务Kubernetes版集群...
创建应用分组后，您可以查看应用分组的组内资源、监控视图、故障列表、可用性监控等数据，并执行相关操作。通过应用分组集中管理资源，便于您及时接收故障资源的报警通知，并及时处理故障。操作步骤 登录 云监控控制台。在左侧导航栏，选择...
云监控是阿里巴巴集团多年来监控技术研究积累的成果，结合阿里云计算平台强大的数据分析能力，为您提供云产品监控、站点监控和主机监控等功能，为您的云产品保驾护航。即开即用 云监控无需您购买和开通。当您注册阿里云账号后，自动开通云...
自定义监控为您提供了自定义监控项和报警规则的功能，您可以通过上报监控数据接口，将自己关心的业务指标上报至云监控，并在云监控上添加监控图表和设置报警规则，对于故障指标发送报警通知，便于您及时处理故障，保障业务的正常运行。...
前提条件 请确保您已购买日志监控数据处理量。更多信息，请参见 计费标准 和 套餐。请确保您已将本地日志收集到日志服务中。更多信息，请参见 日志服务。背景信息 业务日志的监控和报警原理如下图所示。操作步骤（可选）授权云监控访问日志...
前提条件 请确保您已购买日志监控数据处理量。更多信息，请参见 计费标准 和 套餐。请确保您已将网站访问日志收集到日志服务中。更多信息，请参见 日志服务。请确保您已授权云监控访问日志服务的权限。更多信息，请参见 授权日志监控。背景...
前提条件 请确保您已购买日志监控数据处理量。更多信息，请参见 计费标准 和 套餐。请确保您已将本地日志收集到日志服务中。更多信息，请参见 日志服务。背景信息 日志服务中日志的样例如下：2017-06-21 14:38:05[INFO][impl....
本文为您介绍查询监控数据API调用次数用尽的现象、原因以及处理方法。说明 对于2022年09月13日22:00:00之前已订购包年包月套餐（cms_edition）的用户，当套餐中的查询监控数据API调用次数额度用尽时，也会被限流。关于套餐的更多信息，请...
根本原因 用户直接在非阿里云主机上删除云监控插件（Windows：直接删除云监控插件目录，Linux：直接使用 rm 命令删除云监控插件目录），导致云监控插件删除不彻底，仍在云监控的 主机监控 列表中显示。解决方案 针对无法在云监控中删除非...
当某个主机的云监控插件的状态为 已停止 时，云监控将不能对该主机进行监控。您需要判断该主机的云监控插件的停止原因，并恢复其运行状态。问题分析 云监控插件默认每3分钟一次心跳。如果15分钟没有心跳，则主机判断插件已停止运行。云监控...
故障处理过程需要人工组织跟进；故障应急争分夺秒，Oncall时效难以保障。7*24监控值班的主要考核指标有：通告及时率、通告准确率、快恢执行率。智能基线告警 智能基线告警是一套集成了统计学方法与机器学习算法，自动学习指标数据的历史...
监控指标使用说明 当您需要调用云监控的API查询阿里云产品的监控数据时，可以通过下表链接获取云产品相关监控指标的 Namespace、MetricName、Dimensions 和 Period。参数 取值来源 Namespace 目标云产品 指标列表 页面中表头/后面的内容，...
OpenAPI访问监控数据 OSS服务的相关监控指标数据可以通过云监控提供的OpenAPI访问，使用方法请参见：云监控SDK参考 访问监控数据 监控、诊断和故障排除 监控诊断和故障排除 通过详细介绍以下各个方面的内容帮助您更好地了解OSS服务的运行...
当您需要通过云监控采集主机操作系统层面的监控指标，并对重要监控指标设置报警规则，以便及时关注其动态时，需要为主机安装云监控插件。当您不再需要通过云监控来监控某台主机时，可以登录目标主机卸载云监控插件。本文为您介绍为主机自动...
告警集成 ARMS监控针对JVM、主机、接口服务情况等指标类型，预置了50种以上的告警规则，您可以对这些规则进行灵活的调整与组合，并通过ARMS告警管理，实现告警的收敛、通知、升级、协同处理，确保及时发现并修复线上故障。开源集成 ARMS...
本文为您介绍启用、停用和查看云监控插件的...Sl Sep14 3:15/usr/local/cloudmonitor/bin/argusagent 相关文档 如何处理云监控插件异常停止问题？如何处理在阿里云主机上自动安装云监控插件失败问题？如何处理云监控插件心跳检查失败问题？
购买时长到期后，已上报指标数据将如何处理 Prometheus监控何时会自动释放实例资源？接入ARMS Prometheus监控后，为什么会产生额外的费用？如果不需要某些自定义指标，应该如何避免收费？大盘相关 为什么在创建Grafana大盘时，没有Kubelet...
处理方法 批量查询监控指标。例如：您有50个ECS实例待查询，建议将请求参数 Dimensions 设置为[{"instanceId":"实例A"},{"instanceId":"实例B"}]，这样可以一次查询。说明 单次请求最多支持批量查询50个实例。削峰填谷调用API，降低QPS峰值...
在故障应急响应中，风险预测可以作为重要参考，帮助快速识别问题的根本原因，提高故障处理效率和精度。故障响应 在发现故障后，需要快速定位问题，通常有以下做法：组织协调：故障发生后，需要迅速组织相关人员进行应急响应。组织协调包括...
云监控为您提供基础的容器监控功能，您可以查看容器服务Kubernetes版集群的概览、节点、命名空间和工作负载的监控数据，时刻掌握容器服务的运行情况。前提条件 请您确保已...相关文档 如何处理云监控中容器服务Kubernetes版集群无数据问题？
对于已过期的阿里云主机（ECS实例），如何删除其上的云监控插件？操作方法 删除ECS实例上云监控插件的方法如下：对于已过期且不再使用的ECS实例，...相关文档 如何处理云监控插件未随着阿里云主机的释放而自动删除问题？如何卸载云监控插件？
如果您的报警规则已触发报警，但报警联系人未收到报警短信，请按照以下步骤排查。操作步骤 请确认 阈值和报警级别 是否配置正确。三种报警级别和报警通知方式的对应关系如下：Critical（严重）：电话+短信+...如何处理云监控配额不足的问题？
具体操作，请参见 如何处理云监控插件进程自动退出问题。网络 每15秒发送一次监控数据，约占用内网网络带宽10 KB。每3分钟发送一次心跳数据，约占用内网网络带宽2KB左右。插件安装包大小 10 MB~15 MB 日志 单个日志文件占用10 MB磁盘空间，...
您可以通过以下方法查询DescribeMetricLast、DescribeMetricList、DescribeMetricData和DescribeMetricTop接口的调用次数。背景信息 查询监控数据API...相关文档 如何处理云监控配额不足的问题？如何处理查询API额度已用尽或即将用尽问题？
本文介绍告警统一管理的最佳实践，以帮助企业更好地处理异构监控系统所带来的挑战和问题。背景信息 在云原生时代，企业IT基础设施的规模越来越大，越来越多的系统和服务被部署在云环境中。为了监控这些复杂的IT环境，企业通常会选择使用...
设置报警规则（接入云监控）背景信息 您可以使用媒体处理云监控服务获取系统性能、用量两方面的监控数据指标。您还可以使用自定义报警服务，监控服务稳定性、分析使用情况，及时发现以及诊断相关问题。如需了解基本概念或进行报警联系人和...
自2024年04月25日10:00:00以后创建的容器服务Kubernetes版集群默认关闭云监控功能。您必须先手动开启该集群的云监控功能，才能通过云监控监控该集群。前提条件 请您确保已...相关文档 如何处理云监控中容器服务Kubernetes版集群无数据问题？
而一体化性能监控能够对多种关联的监控数据进行自动分析和处理，帮助IT运维人员快速定位故障原因，从而提高故障排查效率。提高监控可视化程度：一体化性能监控可以通过统一可视化界面，综合展示不同类型的性能监控数据，使监控数据更加直观...
此方案的优点在于不需要等待故障磁盘下线、维修、上线周期，故障处理周期短。适用场景 适合单个Broker只有一块数据盘的场景。如果Broker上数据较少、恢复速度较快、集群负载较低，您也可以选择此方式来进行故障节点的运维。说明 如果坏盘为...
一年左右一次的生产突袭演练，一般由CTO操作注入，验证从监控感知发现->报警快速响应->高效组织应急->定位排查止损的全链路故障处理流程。仿真环境（常态引流1%线上流量的全链路灰度环境，或者新业务建设环境）做高频的模拟演练：各业务...
故障跟踪：支持对故障进展、故障影响面、舆情反馈、Timeline进行在线化管理、协同，提升故障处理效率。故障复盘：基于最佳实践经验，沉淀了对故障进行深度复盘的结构化要求，形成了线上检查点，以产品的方式承载流程落地。故障改进：支持对...
2.故障应急场景群：事件升级故障后，群内推出 故障处理中 消息卡片，如果满足自动生成故障场景群的需求（下文详细介绍创建故障场景群逻辑），故障场景群内同时推出 故障处理中 消息卡片。本群故障消息卡片包含按钮：签到、签到记录、应急...
在设计相应的管理方案时，需要考虑以下内容：服务组：提供服务的人员群体，服务包括故障处理，工单处理等 值班表：可以对服务组成员进行排班，让故障应急工作更有计划性、不易遗漏 升级组：服务组的一种，通过服务组和升级组，可表达组与组...
故障追踪：支持对故障的最新进展、故障影响面（影响服务）、舆情反馈、Timeline时间线进行在线化管理、协同，基于统一视角协同处理故障，提升故障处理效率；故障复盘：基于最佳实践经验，沉淀了对故障进行深度复盘的结构化要求，形成了线上...
实时监控提供终端用户登录云电脑的实时数据（例如用户在线数量、在线时长的前十用户、平均登录时间和云电脑网络延迟分布情况）以及相关故障预警信息，以便快速准确定位，迅速处理故障，避免因资源、网络问题或者外部操作原因造成不必要的...